SimADFuzz: Simulation-Feedback Fuzz Testing for Autonomous Driving Systems

要約

近年、自動運転システム（ADS）は目覚ましい進歩を遂げています。
しかし、運転シナリオの複雑さと不確実性により、安全性と信頼性を確保することは依然として重要な課題です。
このペーパーでは、多様で効果的なテスト シナリオを生成することが中心的なタスクである ADS のシミュレーション テストに焦点を当てます。
既存のファズテスト手法は、シナリオの時間的および空間的ダイナミクスを見落としたり、シナリオの選択と突然変異をガイドするためのシミュレーションフィードバック（速度、加速度、方位など）を活用できないなどの限界に直面しています。
これらの問題に対処するために、ADS 動作の違反を明らかにする高品質のシナリオを生成するように設計された新しいフレームワークである SimADFuzz を提案します。
具体的には、SimADFuzz は、ADS 違反の可能性を評価する違反予測モデルを採用して、シナリオの選択を最適化します。
さらに、SimADFuzz は、子孫シナリオにおける車両間の相互作用を強化するための距離誘導型突然変異戦略を提案し、それによって車両のよりエッジケースな動作を引き起こします。
包括的な実験により、SimADFuzz は、車両と車両および車両と歩行者の衝突の再現可能な 4 件のケースを含む、さらに 32 件の固有の違反を特定することで、最先端のファザーよりも優れたパフォーマンスを発揮することが実証されました。
これらの結果は、自動運転システムの堅牢性と安全性の向上における SimADFuzz の有効性を示しています。

要約(オリジナル)

Autonomous driving systems (ADS) have achieved remarkable progress in recent years. However, ensuring their safety and reliability remains a critical challenge due to the complexity and uncertainty of driving scenarios. In this paper, we focus on simulation testing for ADS, where generating diverse and effective testing scenarios is a central task. Existing fuzz testing methods face limitations, such as overlooking the temporal and spatial dynamics of scenarios and failing to leverage simulation feedback (e.g., speed, acceleration and heading) to guide scenario selection and mutation. To address these issues, we propose SimADFuzz, a novel framework designed to generate high-quality scenarios that reveal violations in ADS behavior. Specifically, SimADFuzz employs violation prediction models, which evaluate the likelihood of ADS violations, to optimize scenario selection. Moreover, SimADFuzz proposes distance-guided mutation strategies to enhance interactions among vehicles in offspring scenarios, thereby triggering more edge-case behaviors of vehicles. Comprehensive experiments demonstrate that SimADFuzz outperforms state-of-the-art fuzzers by identifying 32 more unique violations, including 4 reproducible cases of vehicle-vehicle and vehicle-pedestrian collisions. These results demonstrate SimADFuzz’s effectiveness in enhancing the robustness and safety of autonomous driving systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google